Orodha ya kushindwa kwa Muundo wa ziada

Kushindwa kwa AI BENCHY

Ona ni modeli gani za AI hukutana na Muundo wa ziada mara nyingi zaidi ili utambue hatari za utegemevu kabla ya kuchagua. Panga kwa: Idadi ya kushindwa ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Qwen3.5-27B 1

Kategoria

Katika kategoria Mbinu za kupinga AI18 Katika kategoria Mahususi kwa domeni13 Katika kategoria Uandishi wa msimbo11 Katika kategoria Uchanganuzi na uchimbaji wa data4 Katika kategoria Utatuzi wa mafumbo4 Katika kategoria Ufuataji wa maagizo2 Katika kategoria Mchanganyiko1

32/32

Nafasi	Modeli	Kampuni	Idadi ya Muundo wa ziada	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#155	Grok 4.20 none	X AI	1	4.4	$0.057	6/18	1.11s
Jumla ya majaribio 18 Majaribio yenye makosa 12 Jumla ya gharama $0.057 Muda wa majibu (wastani) 1.11s
#158	Hy3 preview none	Tencent	1	4.3	$0.003	4/21	12.9s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.003 Muda wa majibu (wastani) 12.9s
#159	MiMo-V2-Flash none	Xiaomi	1	4.3	$0.025	4/21	2.76s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.025 Muda wa majibu (wastani) 2.76s
#163	Granite 4.1 8B none	IBM Granite	1	4.0	$0.003	2/21	728ms
Jumla ya majaribio 21 Majaribio yenye makosa 19 Jumla ya gharama $0.003 Muda wa majibu (wastani) 728ms
#165	Qwen3.5-9B medium	Qwen	1	3.8	$0.036	3/21	82.2s
Jumla ya majaribio 21 Majaribio yenye makosa 18 Jumla ya gharama $0.036 Muda wa majibu (wastani) 82.2s
#76	MiMo-V2.5 medium	Xiaomi	2	6.7	$0.063	12/21	27.1s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.063 Muda wa majibu (wastani) 27.1s
#107	North Mini Code medium	Cohere	2	5.8	$0.000	9/21	106.2s
Jumla ya majaribio 21 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 106.2s
#117	DeepSeek V4 Flash none	DeepSeek	2	5.5	$0.007	5/21	26.8s
Jumla ya majaribio 21 Majaribio yenye makosa 16 Jumla ya gharama $0.007 Muda wa majibu (wastani) 26.8s
#126	DeepSeek V3.2 none	DeepSeek	2	5.3	$0.017	6/21	13.8s
Jumla ya majaribio 21 Majaribio yenye makosa 15 Jumla ya gharama $0.017 Muda wa majibu (wastani) 13.8s
#131	North Mini Code none	Cohere	2	5.1	$0.000	4/21	29.8s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.000 Muda wa majibu (wastani) 29.8s
#136	Grok 4.20 Multi Agent Beta medium	X AI	2	5.0	$5.599	8/18	9.69s
Jumla ya majaribio 18 Majaribio yenye makosa 10 Jumla ya gharama $5.599 Muda wa majibu (wastani) 9.69s
#31	Claude Sonnet 4.6 medium	Anthropic	3	7.8	$1.418	13/21	17.1s
Jumla ya majaribio 21 Majaribio yenye makosa 8 Jumla ya gharama $1.418 Muda wa majibu (wastani) 17.1s
#42	Grok Build 0.1 medium	X AI	3	7.6	$0.927	13/21	49.9s
Jumla ya majaribio 21 Majaribio yenye makosa 8 Jumla ya gharama $0.927 Muda wa majibu (wastani) 49.9s
#51	MiMo-V2.5-Pro medium	Xiaomi	3	7.4	$0.106	12/21	26.1s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.106 Muda wa majibu (wastani) 26.1s
#57	Claude Opus 4.8 none	Anthropic	3	7.2	$0.539	12/21	3.47s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.539 Muda wa majibu (wastani) 3.47s

Kushindwa kwa Muundo wa ziada

Chuja miundo

Modeli bora kwa Idadi ya Muundo wa ziada

Idadi ya Muundo wa ziada dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)